一项新研究揭示了肠道微生物及其代谢产物与胃癌、结直肠癌和炎症性肠病之间的密切关联，为开发非侵入性早期诊断工具铺平了道路。研究团队利用人工智能和机器学习技术，分析了这些疾病患者的肠道微生物组和代谢组数据，发现了跨疾病的共享生物标志物。

人工智能揭示跨疾病共享肠道生物标志物

来自迪拜伯明翰大学、英国伯明翰大学及伯明翰大学医院NHS基金会信托基金的研究人员，使用先进的机器学习工具分析了胃癌、结直肠癌和炎症性肠病患者的微生物组和代谢组数据。通过比较不同疾病的数据，他们发现针对一种疾病训练的模型通常能预测另一种疾病的标志物。例如，基于胃癌数据的模型能识别炎症性肠病的生物标志物，而结直肠癌模型可准确预测胃癌相关标志物。该成果发表于《转化医学杂志》。

伯明翰大学的主要合著者Animesh Acharjee博士解释说：“目前的诊断方法如内窥镜和活检虽有效，但具有侵入性、昂贵，且可能漏诊早期疾病。我们的分析能更好地理解驱动疾病进展的潜在机制，并确定靶向治疗的关键生物标志物。这些生物标志物有助于更早、更准确地识别疾病，从而实现更好、更个性化的治疗。”

疾病特异性和重叠的肠道特征

研究还强调了每种疾病的独特微生物和代谢模式，以及重要的重叠之处。在胃癌中，常见厚壁菌门、拟杆菌门和放线菌门的细菌，并观察到二氢尿嘧啶和牛磺酸等代谢物的变化。其中一些标志物也与炎症性肠病相关，表明它们具有共同的生物学特征，但对检测结直肠癌效果较差。对于结直肠癌，关键指标包括梭杆菌和肠球菌等细菌，以及异亮氨酸和烟酰胺等代谢物，其中一些也出现在胃癌中，提示这些疾病可能共享潜在生物学途径。在炎症性肠病中，毛螺菌科细菌以及尿胆素和甘油酸等代谢物发挥重要作用，其中一些标志物还涉及癌症相关过程，强化了这些条件相互关联的观点。

模拟显示健康与患病状态间的明显差异

团队还模拟了肠道微生物生长及代谢物在生物系统中的流动。这些模拟揭示了健康个体与疾病患者之间明显的代谢差异，进一步支持了这些生物标志物在诊断中的作用。Acharjee博士补充道：“我们的跨疾病分析强调了使用一种胃肠道疾病中鉴定的微生物和代谢生物标志物来预测另一种疾病的潜力。这种创新方法可能导致通用诊断工具的开发，从而彻底改变多种胃肠道疾病的诊断和治疗。”

迈向非侵入性检测和个性化治疗

展望未来，研究人员计划探索如何将这些发现应用于临床，包括开发非侵入性诊断测试和基于已识别生物标志物的更有针对性的治疗方法。他们还打算使用更大、更多样化的患者群体验证模型，并研究这些生物标志物是否有助于预测未来其他相关疾病。